CN116420058A - 替代自主车辆数据 - Google Patents
替代自主车辆数据 Download PDFInfo
- Publication number
- CN116420058A CN116420058A CN202180071043.7A CN202180071043A CN116420058A CN 116420058 A CN116420058 A CN 116420058A CN 202180071043 A CN202180071043 A CN 202180071043A CN 116420058 A CN116420058 A CN 116420058A
- Authority
- CN
- China
- Prior art keywords
- autonomous vehicle
- supervisor
- data
- asset
- route
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000004044 response Effects 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims description 46
- 230000001105 regulatory effect Effects 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 11
- 230000000670 limiting effect Effects 0.000 claims description 10
- 241001465754 Metazoa Species 0.000 claims description 9
- 230000001276 controlling effect Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 19
- 238000012545 processing Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 14
- 238000001514 detection method Methods 0.000 description 9
- 238000010801 machine learning Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000010191 image analysis Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 241000282994 Cervidae Species 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 229920000742 Cotton Polymers 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 241000009328 Perro Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000007340 echolocation Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000005755 formation reaction Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0025—Planning or execution of driving tasks specially adapted for specific operations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0253—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/207—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles with respect to certain areas, e.g. forbidden or allowed areas with possible alerting when inside or outside boundaries
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
检测到导航请求。导航请求包括自主车辆从起始位置的目的地。基于导航请求标识从起始位置到目的地的路线。基于导航请求执行与路线相关的监管者查找。监管者查找与一个或多个监管者的隐私数据的所有者相关。响应于监管者查找,接收与路线相关的条件允许。条件允许指示自主车辆的一个或多个自主车辆传感器可能不捕获与第一监管者的第一资产相关的数据。第一资产位于路线附近。响应于条件允许,自主车辆的一个或多个自主车辆传感器被限制。
Description
背景技术
本公开涉及自主车辆(autonomous vehicle),并且更具体地,涉及在为自主车辆移动和导航提供准确数据的同时保护位置隐私。
自主车辆可能包括驾驶车辆和飞行车辆。自主车辆可以通过捕获关于路径的信息来操作,并且可以被配置为避让路径上和路径周围的对象。出于隐私原因,可能不允许自主车辆在某些位置运行。
发明内容
根据实施例,公开了一种方法、***和计算机程序产品。检测到导航请求。导航请求包括自主车辆从起始位置的目的地。基于导航请求标识从起始位置到目的地的路线。基于导航请求执行与路线相关的监管者查找(regulator lookup)。监管者查找与一个或多个监管者的隐私数据的所有者相关。响应于监管者查找,接收与路线相关的条件允许(conditional allowance)。条件允许指示自主车辆的一个或多个自主车辆传感器可能不捕获与第一监管者的第一资产相关的数据。第一资产位于路线附近。响应于条件允许,自主车辆的一个或多个自主车辆传感器被限制。
在一些实施例中,限制一个或多个自主车辆传感器包括限制一个或多个自主车辆传感器对第一资产的捕获。
以上发明内容不旨在描述本公开的每个所示实施例或每个实现。
附图说明
包括在本申请中的附图被结合到说明书中,并形成说明书的一部分。它们示出了本公开的实施例,并与描述一起用于解释本公开的原理。附图仅说明了某些实施例,并不限制本公开。
图1描绘了根据本公开的一些实施例的可以使用的示例计算机***的代表性主要组件。
图2A描绘了与本公开的一些实施例一致的在示例车辆环境中与自主车辆一起操作的示例第三方外部传感器***(TESS)。
图2B描绘了示例车辆环境,其中TESS在自主车辆上操作以保护一个或多个资产的隐私。
图2C描绘了由TESS的自主车辆捕获的自主移动数据。
图3描绘了与本公开的一些实施例一致的由TESS捕获的替代数据。
图4描绘了与本公开的一些实施例一致的TESS的示例***图。
图5描绘了与本公开的一些实施例一致的用于执行TESS的示例方法。
图6描绘了与本公开的一些实施例一致的用于执行TESS的示例方法。
图7描绘了与本公开的一些实施例一致的用于执行TESS的示例方法。
虽然本发明可以有各种修改和替代形式,但是其细节已经通过附图中的示例示出,并且将被详细描述。然而,应该理解,目的不是将本发明限制于所描述的特定实施例。相反,本发明旨在涵盖落入本发明范围内的所有修改、等同物和替代物。
具体实施方式
本公开的方面涉及自主车辆;并且更具体的方面涉及在为自主车辆移动和导航提供准确数据的同时保护位置隐私。虽然本公开不一定限于这些应用,但是通过使用该上下文讨论各种示例,可以理解本公开的各个方面。
自动驾驶汽车在整个社会变得越来越普遍。自主车辆可以包括小型无人自主车辆(例如,无人机)和乘用车(例如,自主汽车)。自主车辆可以配备各种传感器,用于观察它们行驶的路线或路径,以及用于避让对象。例如,自主卡车可以在获取人和其他汽车的区域信息的同时导航或以其他方式移动通过预定义或未定义的路线。传感器可以是一个或多个设备,诸如用于操作的相机、激光雷达、麦克风、扬声器等。。在全世界的导航或移动期间,自主车辆可以使用传感器来安全地操作。例如,自主车辆可以使用传感器来停止、避让或以其他方式不与人、汽车、街道标志、动物、鸟和其他车辆接触。在另一个示例中,自主车辆可以使用传感器来获取和生成自主移动数据,以停留在车道内或者不在人行道上行驶或者停留在边界或其他可视区域之外。
某些情况下可能需要捕获和保存自主移动数据。例如,自主车辆制造商和自主软件制造商可能需要自主移动数据来审计和分析。自主移动数据的分析对于改进自主车辆执行的移动可能是有价值的。如果不记录自主移动数据用于以后的分析,自主车辆移动中的某些缺陷或错误可能不会被捕获或检测到。在另一个示例中,自主移动数据可能需要被提供给执法机构或仲裁人来分析事件。自主车辆可能会出现故障,这种情况可能需要仲裁。立法者可以通过要求在执行自主移动之后的一段时间内(例如,几天、几个月、几年)保存和访问自主车辆用于在各个区域中移动和导航的自主车辆数据,来使该过程更容易仲裁。
相反,某些规定和实际障碍可能会使传感器数据的捕获变得不可能。可以对有人驾驶或无人驾驶车辆经过的区域实施或施加各种规定。一个这样的规定可以是,有人驾驶和无人驾驶的汽车在某些监管区域中的信息捕获受到限制。例如,监管区域可能是政府国家公园或资产的限制区域。在另一个示例中,根据限制原始视觉数据捕获的地区和国家航空立法,无人驾驶车辆可能受到与飞行相关联的法规的约束。原始视觉数据可以包括特定区域的像素或雷达图像,这些图像可以由或可以不由相机、激光雷达或其他传感器获取。此外,如果移动和导航是基于基于传感器的环境捕获来执行的,则规定可能仅提供是否应该允许通行的二元选择。
一些隐私保护技术可以包括使捕获的传感器数据模糊不清。这有一些缺点。可以执行一些隐私保护技术,使得自主车辆不能在以后被审计信息以确定安全通行和精确导航。成像数据的缺乏不仅可能不允许工程师和立法者进行适当的审计,还可能阻碍自动驾驶汽车进行实际的技术操作。例如,为了导航自主车辆,可以使用诸如相机、雷达、激光雷达等传感器来捕获它们正在导航的世界。如果传感器遮蔽、模糊或以其他方式去除了与人、动物和其他车辆相对应的数据,则自主车辆可能无法通过数据的检测算法。所执行的检测算法可以是机器学习、神经网络、图像处理和对原始值的对象检测。例如,所捕获的视频流、照片或具有描绘一个或多个移动实体的像素值的其他图像。如果图像的部分从其原始传感器值改变,则图像分析可能无法准确地检测、分类或放置图像场景内的对象。因此,自主车辆可能错误地标识错误位置的对象,或者在某些情况下根本不能标识对象。
此外,在二元规则不允许捕获某些区域的信息的区域,自主车辆操作可能变得不可能。即使部分图像是允许的,自主车辆在没有自主车辆整个环境的传感器数据的情况下导航也是不现实的。例如,如果存在允许车辆通过特定区域的外边缘的规定,条件是其不试图在朝向该区域中心的方向上拍照,则自动自主驾驶车辆仅通过拍摄自动自主驾驶车辆周围区域的一半将难以通过。因此,在没有从自主车辆传感器接收到对象数据的情况下,自主车辆实际上很难运行。
第三方外部传感器***(TESS)可以操作来克服在各种环境中自主车辆操作的实际问题。TESS可以通过向自主车辆提供移动对象数据来运行。TESS可以通过在自主车辆接近或靠近资产附近时向自主车辆提供移动对象数据来操作。TESS可以由资产的监管者来操作。例如,监管者可以是诸如个人的资产所有者。在另一个示例中,监管者可以是资产控制者,诸如被签约与资产所有者一起经营资产的指定承包商或第三方。TESS可以由中央服务器***操作。例如,静止和移动实体的实时数据可以从资产传输到中央服务器。实体可以包括一个或多个现实世界的实体,诸如人、动物、树,这些实体还没有被处理和标识为静止对象或移动对象。
TESS可以通过直接限制自主车辆的一个或多个传感器的操作来操作。例如,监管者或服务器可以超越自主车辆的一个或多个传感器的控制。TESS可以通过间接限制自主车辆的一个或多个传感器的操作来操作。例如,监管机构或服务器可以向自主车辆发送指令。响应于该指令,自主车辆可以限制自主车辆的一个或多个传感器,使得自主车辆不遵从(compliance)该指令从一个或多个传感器接收传感器数据。传感器操作的限制可以基于自主车辆的位置而发生,诸如在某个资产上或附近或以其他方式在某个资产附近。传感器操作的限制可以暂时发生,诸如持续一定数量的分钟或秒钟。该限制可以包括擦除视频信号的一部分,诸如从自主车辆的相机中擦除。该限制可以包括从视频信号中擦除整个图像、帧或一系列图像。
TESS可以通过防止自主车辆的不遵从来运行。例如,监管者或服务器可以指示或试图限制自主车辆的一个或多个传感器的传感器捕获。可能被限制的车辆传感器可以包括图像传感器、雷达传感器、激光雷达传感器、全球定位传感器(GPS)以及其他相关的导航和移动传感器。作为响应,自主车辆可能不遵从或忽略监管者。作为响应,监管者或服务器可以指示自主车辆改变路线离开监管区域或停止自主操作。监管区域可以是某些街道、路径或陆地或水域的边界。监管区域可以是某些空域。
TESS可以为导航、移动和遥测用途提供替代数据。例如,监管者或服务器可以提供一个或多个以下传感器数据:某些区域变灰的部分图像;和处理的、变形的或改变的图像,这些图像阻碍、模糊、去除或以其他方式模糊了资产或个人的部分。在一些实施例中,可以向自主车辆提供三维模型。可以根据自主车辆可以理解、解码或以其他方式访问的方案信息的类型来提供TESS。在一些实施例中,可以向自主车辆提供被渲染成图像或具有二维覆盖的图像的三维模型。模型或覆盖可能比被模型或覆盖遮挡的对象大。模型或覆盖的额外尺寸可能阻止自主车辆或检查替代数据的一方确定对象。自主车辆可以使用诸如边缘检测或对象标识的相关技术来分析替代模型或覆盖,以确定移动对象的一般版本在区域内。例如,孩子和父母之一可能正在人行道上行走,而TESS可能通过渲染模糊孩子和父母之一的两个三维模型来操作。TESS的替代数据可被自主车辆用于导航,以在静止和移动实体的环境中避让、四处移动或以其他方式安全导航。TESS可以连续或重复地执行替代数据的生成。例如,TESS可以每16毫秒、每16.68毫秒、每秒实时或接近实时地提供被表示为移动对象的移动实体的替代数据。
图1描绘了根据本公开的一些实施例的可以使用的示例计算机***100(或者,计算机)的代表性主要组件。应该理解的是,单独组件可以在复杂性、数量、类型和/或配置上有所不同。所公开的特定示例仅用于示例目的,并且不一定是唯一的这种变型。计算机***100可以包括处理器110、存储器120、输入/输出接口(本文是I/O或I/O接口)130和主总线140。主总线140可以为计算机***100的其他组件提供通信路径。在一些实施例中,主总线140可以连接到其他组件,诸如专用数字信号处理器(未示出)。
计算机***100的处理器110可以包括一个或多个核112A、112B、112C、112D(统称为112)。处理器110还可以包括一个或多个存储缓冲器或高速缓存(未示出),其为核112提供指令和数据的临时存储。核112可以对从高速缓存或从存储器120提供的输入执行指令,并将结果输出到高速缓存或存储器。核112可以包括被配置为执行与本公开的实施例一致的一个或多个方法的一个或多个电路。在一些实施例中,计算机***100可以包含多个处理器110。在一些实施例中,计算机***100可以是具有单个核112的单个处理器110。
计算机***100的存储器120可以包括存储器控制器122。在一些实施例中,存储器120可以包括用于存储数据和程序的随机存取半导体存储器、存储设备或存储介质(易失性或非易失性的)。在一些实施例中,存储器可以是模块的形式(例如,双列直插式存储器模块)。存储器控制器122可以与处理器110通信,便于在存储器120中存储和检索信息。存储器控制器122可以与I/O接口130通信,便于在存储器120中存储和检索输入或输出。
I/O接口130可以包括I/O总线150、终端接口152、存储接口154、I/O设备接口156和网络接口158。I/O接口130可以将主总线140连接到I/O总线150。I/O接口130可以将指令和数据从处理器110和存储器120引导到I/O总线150的各种接口。I/O接口130还可以将指令和数据从I/O总线150的各种接口引导到处理器110和存储器120。各种接口可以包括终端接口152、存储接口154、I/O设备接口156和网络接口158。在一些实施例中,各种接口可以包括前述接口的子集(例如,工业应用中的嵌入式计算机***可以不包括终端接口152和存储接口154)。
贯穿计算机***100的逻辑模块-包括但不限于存储器120、处理器110和I/O接口130-可以将一个或多个组件的故障和改变传送给管理程序(hypervisor)或操作***(未示出)。管理程序或操作***可以分配计算机***100中可用的各种资源,并跟踪数据在存储器120中的位置以及分配给各个核112的进程的位置。在组合或重新排列元件的实施例中,逻辑模块的方面和能力可以被组合或重新分布。这些变化对于本领域技术人员来说是显而易见的。
图2A描绘了与本公开的一些实施例一致的在示例车辆环境220中与自主车辆210一起操作的示例TESS 200。车辆环境220可包括以下:穿过具有多条行驶和停车车道222-1、222-2、222-3和222-4(统称为车道222)的街区的街道;一系列车道标识224-1、224-2和224-3(统称为标识224),用于行人移动的走道(或者人行道),包括走道226-1和226-2(统称为走道226);以及三个资产228-1、228-2、资产228-3(统称为228)。
车道222可以被指定用于双向交通流和静止车辆的停放。例如,车道222可被指定用于以下用途:车道222-1可被指定用于左侧街道停车;车道222-2可被指定用于左侧迎面而来的交通;车道222-3可用于自主车辆210的驾驶和自主导航;并且车道222-4可以被指定用于右侧街道停车。标识224可以视觉指示车辆环境220的车道222之间的划分。例如,标识224可以包括以下内容:车道标识224-1可以指示车道222-1和车道222-2之间的边界;车道标识224-2可以指示车道222-2和车道222-3之间的边界;并且车道标识224-3可以指示车道222-3和车道222-4之间的边界。车道标识224可被配置为向驾驶员和自主车辆指示不应该越过或仅在执行非常具体的动作时越过的边界(例如,车辆超车、从停车过渡到驾驶、车道引导以在车道内定向、从驾驶过渡到停车、转向其他未示出的车道)。
资产228可以是不动产,包括土地、建筑物、公园、水体、岩石、墙壁或由资产所有者(诸如个人、公司和政府实体)所有和控制的其他静止区域(stationary area)。在资产228中,资产228-2可以是由监管者所有和控制的资产。例如,资产228-2可以是由管理资产228-2附近的自主车辆对图像数据的查看和捕获的公司所有和控制的公司建筑。
车辆环境220还可以包括与资产228无关的多个移动和静止实体。例如,静止实体包括以下:静止实体230-1、230-2和230-3(统称为230)。静止实体230-1和230-2可以是车辆环境220的车道222附近的树木或灌木。静止实体230-3可以是视觉地向车辆环境220内的实体指示车辆环境内的实体要遵守的一个或多个规则、法律或条例的标志。可以考虑其他静止实体230,诸如岩层、山坡、法规或纪念碑。移动实体可以包括以下:车辆240-1和240-2(统称为车辆240);以及行人242-1、242-2和242-3(统称为行人242)。尽管未示出,但是在车辆环境220中可以设想其他移动实体。例如,自行车、狗、猫、鹿、摩托车等可以是被标识为可能存在于车辆环境220中的移动对象的实体。
TESS 200可以包括自主车辆210和资产228-2的监管者的集体合作操作。例如,自主车辆210可以包括自主车辆传感器212,用于捕获来自车辆环境220的数据和遥测。传感器212能够捕获弧(arc)214内的数据。弧214可由图2A中描绘为子弧214-1和子弧214-2的两个单独的子弧来定义。自主车辆210可以使用该数据和遥测来生成自主移动数据,该自主移动数据用于在车辆环境220周围导航和移动,并且用来不接触其他对象。例如,可以从自主车辆传感器212接收视觉数据、深度感测数据、回声定位数据等形式的数据。自主车辆传感器212可以是雷达传感器,自主移动数据可以是指示信号从车辆环境220中的各种实体(例如,静止实体230、车辆240和行人242)反弹的时间的雷达读数。自主车辆传感器212可以是可见光相机,其被配置为捕获车辆环境220的图像(例如,以红绿蓝像素的形式)。
TESS 200还可以基于从资产228-2的监管者获得的数据进行操作。例如,资产228-2可以包括以下:传感器250-1和250-2(统称为传感器250),其被配置为捕获和记录车辆环境220;和监管者***260,其被配置为处理由传感器250捕获的数据。监管者***260可以是被配置为发送和接收数据并生成替代数据的计算机(例如,图1的计算机100)。传感器250可以包括图像传感器、雷达传感器、激光雷达传感器和其他相关传感器,这些传感器特别适用于捕获否则会受到限制的环境的原始传感器数据。例如,传感器250-1可以被配置为捕获由从传感器250-1延伸的直线描绘的区域。此外,传感器250-2可以被配置为捕获由从传感器250-2延伸的直线描绘的区域。
图2B描绘了示例车辆环境220,其中TESS 200在自主车辆210上操作以保护一个或多个资产的隐私。TESS 200可被配置为控制某些车辆的一个或多个自主车辆传感器的捕获或记录。例如,自主车辆210可以被配置为仅捕获车辆环境220的一部分。TESS 200可以指示自主车辆210完全限制(例如,通过禁用)某些自主车辆传感器的整体功能。例如,TESS 200可以指示自主车辆210不记录、捕获或以其他方式获取传感器数据。
在一些实施例中,TESS 200可以指示自主车辆210整体上部分限制某些自主车辆传感器的功能。例如,TESS 200可以指示自主车辆210限制自主车辆传感器212的功能,使得仅捕获弧214的一部分。作为响应,自主车辆210可以捕获处于未改变状态的子弧214-1。此外,自主车辆210可以在受限状态下捕获子弧214-2。例如,子弧214-2可能模糊了传感器数据的对应于车辆环境220中的一个或多个静止或移动实体的部分。在一些实施例中,子弧214-2可以未被捕获,并且来自传感器212的任何传感器数据可能无法查看、捕获、存储或以其他方式分析子弧214-2内的传感器数据。因此,自主车辆210可以仅从自主车辆传感器212捕获与以下实体相关的传感器数据:车道222-1和222-2;标识224-1和224-2;走道226-1;资产228-1和228-2;静止实体230-1;和移动实体,包括车辆240-1和行人242-1。自主车辆210也可以仅部分捕获车辆环境220的一部分。例如,自主车辆传感器212可能不能捕获所有车道222-3。
图2C描绘了由TESS 200的自主车辆210捕获的自主移动数据270。自主移动数据270可以从传感器数据从车辆环境220中捕获。自主移动数据270可以是对应于位于车辆环境220内的各种对象的对象数据。自主移动数据可以包括以下内容:分别对应于车道222-1和222-2以及标识224-1和224-2的引导对象272-1和272-2(统称为272);现实世界对象274-1、274-2和274-3(统称为274)。现实世界对象274可以是车辆环境220的实体的自主移动数据表示。例如,现实世界对象274-1可以是行人242-1的表示;现实世界对象274-2可以是车辆240-1的表示;现实世界对象274-3可以是静止实体230-1的表示。自主移动数据270的格式可以基于执行图像分析来导出,并且可以是相关的对象格式,诸如线框、渲染的多边形、点云等。
基于引导对象272和现实世界对象274。TESS 200的自主车辆210可以成功地导航车辆环境220。例如,自主车辆210可以基于现实世界对象274的存在或移动而停止、减速、改变路线或以其他方式做出反应,现实世界对象274基于从自主车辆传感器212接收的自主移动数据而持续更新。在另一个示例中,自主车辆210可以基于引导对象272-1和272-2来定向自身并沿着路径移动。
图3描绘了与本公开的一些实施例一致的由TESS 200捕获的替代数据300。替代数据300可以由资产228-2的监管者捕获。例如,一个或多个对象可以由传感器250捕获,并且可以由TESS 200提供给自主车辆210。传感器250提供的对象可以是与自主车辆210本地捕获的那些一致的格式。在一些实施例中,由传感器250提供的对象可以是二级格式,并且自主车辆210可以在利用替代数据300进行导航之前提供格式转换。例如,替代数据300可以是相关的对象格式,诸如线框、渲染多边形、点云等。替代数据300可以不是原始传感器数据的形式,使得由传感器250捕获的诸如人、汽车、动物和资产的实体的任何图像可以不被提供给自主车辆210。替代数据300可由自主车辆保存或保留,并可用于确定自主车辆210在车辆环境220中导航的性能。
替代数据300可以包括分别对应于标识224-2和224-3以及车道222-3和222-4的引导对象310-1和310-2。引导对象310-1可以用标志标记、变量或其他数据元素来编码。自主车辆210可以将该标记理解为对应于基于允许的传感器数据可解读的对象。基于该标记,自主车辆210能够将替代数据300与自主车辆传感器212本地捕获的自主移动数据270相结合,以生成车辆环境220的完整画面。替代数据300可以包括现实世界对象320-1、320-2、330、340和350。现实世界对象320-1和320-2(统称为对象320)可以分别对应于行人242-2和242-3。现实世界对象330可以对应于静止实体230-2。现实世界对象340可以对应于车辆240-2。现实世界对象350可以对应于静止实体230-3。现实世界对象350可以用数据、变量、元数据或传达关于静止实体230-3的信息的其他值来编码。例如,静止实体230-3可以是向自主车辆210传达基于移动的规则(诸如速度限制)的标志。
图4描绘了与本公开的一些实施例一致的TESS的示例***图400。***图400可以描述TESS的一个或多个组件。例如,***图400可以包括以下内容:自主车辆410、监管者***430和中央服务器460。自主车辆410、监管者***430和中央服务器460可以配置有一个或多个单元或模块。单元和模块可以包括被配置为执行一个或多个TESS操作的软件(例如,操作***、管理程序、守护程序、作业)、硬件(例如,一个或多个处理电路、图1的计算机100)或组合(例如,固件、现场可编程门阵列)。
自主车辆410可以包括以下内容:车辆管理单元412、监管者通信单元414、车辆控制单元416和传感器处理器单元418。自主车辆可以包括多个自主车辆传感器420-1至420-N(统称为420)。
车辆管理单元412可被配置为操作自主车辆410并与监管者***430和中央服务器460接口。例如,车辆管理单元412可以被配置为执行与中央服务器460的通信。车辆管理单元412可被配置为执行与路线相关的监管者查找。监管者查找可以涉及请求一个或多个监管者的隐私数据的所有者。所有者可以是中央服务器460。隐私数据的所有者可以是监管者,并且该查找可以被引导到监管者通信单元414,以被发送到监管者***430。车辆管理单元412还可以被配置为监督自主车辆410的其他单元的操作。具体而言,车辆管理412单元可被配置用于行进路线管理,包括接收行进到各个目的地的请求以及从中央服务器460征求路线的请求。车辆管理单元412还可以被配置为捕获和接收一个或多个车载设备管理***,并做出关于自主车辆410的高级决策。例如,车辆管理单元412可经配置以决定维持路线、决定请求不同路线、检查车辆状态,诸如电池或燃料状态。
自主车辆410的监管者通信单元414可以被配置为将信息中继到车辆管理单元412和监管者***430。例如,监管者通信单元414可以被配置为向车辆管理单元412传输高级传感器信息,诸如替代数据正在被接收的状态。监管者通信单元414也可以被配置为从监管者***430接收替代数据和自动驾驶命令。
自主车辆410的车辆控制单元416可以被配置为接收命令并为自主车辆410执行自主导航。车辆控制单元416可以从车辆管理单元412接收命令。车辆控制单元416可以被配置为从监管者***430接收命令和替代数据(例如,通过监管者通信单元414)。车辆控制单元416可被配置为基于传感器数据(诸如从传感器处理器单元418获取的自主移动数据)操作。
传感器处理器单元418可以被配置为从自主车辆传感器420获得传感器数据,并且可以被配置为检测、确定或以其他方式分析图像数据。传感器处理器可以被配置为图像处理器。图像处理器可以是硬件和软件的集合,诸如专用集成电路。
监管者***430可以包括以下:控制和认证单元432、车辆通信单元434和替代数据获取单元436。监管者***430可以与诸如建筑物、土地、水体、受控区域等的资产相关联。相关联的资产可以包括一个或多个传感器440-1至440-N(440),这些传感器被配置为捕获和发送与可能位于资产上的一个或多个现实世界实体相对应的对象信息。例如,由监管者***430关联和控制的资产可以是主题公园,并且传感器440可以是主题公园所有和控制的资产相机。资产相机可以被配置为捕获位于停车场中的一排顾客或者公园外部附近(例如,大门和邻近的街道和道路)周围的行人的移动。监管者***430也可以通信地耦合到车辆数据控制信息数据库450(或者,车辆数据库)。车辆数据库450可以包括一个或多个传感器简档(例如,相机规格、激光雷达布置图、雷达蓝图)。车辆数据库450可以基于自主车辆的各种模型来组织、引用或键入。例如,自主车辆410可以具有自主车辆传感器420的特定配置或布局以及传感器处理器单元418的处理能力。
控制和认证单元432可与中央服务器460通信,认证单元可被通知可能或可能不请求在监管者***430的资产附近(例如,邻近资产的区域,或道路、街道、水体,或资产的土地或资产附近)行驶的各种自主车辆。控制和认证单元432还可以被配置为认证、批准或以其他方式允许中央服务器460访问各种车辆。控制和认证单元432还可以被配置为响应于检测到未被授权进入附近的车辆(例如,自主的或其他)的存在而主动与中央服务器460通信。在一些实施例中,控制和认证单元432可以请求中央服务器460改变路线、延迟或以其他方式改变可以或不可以被允许在监管者***430的资产附近行驶的车辆的通行。
车辆通信单元434可以与控制和认证单元432结合操作。例如,车辆通信单元434可通过接收一个或多个邻近或即将邻近的车辆的状态来操作。车辆通信单元434还可以通过指示或以其他方式执行与自主车辆的引导和TESS来操作。例如,车辆通信单元434可以向自主车辆410传送各种引导、导航或移动指令或命令。车辆通信单元434可基于从传感器440或从自主车辆410的监管者通信单元414接收的传感器信息,收集实时传感器信息(例如,传感器数据)。基于传感器数据,车辆通信单元434可以生成自主移动数据。
替代数据生成单元436可以为车辆通信单元434生成自主移动数据。替代数据生成单元436可以包括一个或多个处理电路,其被配置为分析传感器440的传感器数据并执行对象识别。替代数据产生单元436可以包括图像处理器。替代数据生成单元436可以被配置为执行自主车辆410的替代数据的实时或接近实时的生成。车辆通信单元434可生成指令以延迟自主移动或引导,直到替代数据被生成并被提供给自主车辆(例如,在执行自主移动和导航之前三十秒的延迟)。替代数据生成单元436可以基于存储在车辆数据库450中的传感器简档信息来转换或格式化替代数据(例如,将来自传感器440的传感器数据格式化为车辆传感器处理器418可以理解的格式)。
传感器处理器418的图像处理器和替代数据生成单元436可以被配置为执行各种图像分析技术。图像分析技术可以是基于机器学习和/或深度学习的技术。这些技术可以包括但不限于基于区域的卷积神经网络(R-CNN)、你只看一次(YOLO)、边缘匹配、聚类、灰度匹配、梯度匹配、不变性模型、几何散列、尺度不变特征变换(SIFT)、加速鲁棒特征(SURF)、定向梯度直方图(HOG)特征和单次多盒检测器(SSD)。在一些实施例中,图像处理器可以被配置为帮助标识环境中的实体(例如,通过使用基于训练数据构建的模型来分析动物、人、儿童和其他移动对象的面部图像,通过使用基于卡车、汽车、公共汽车和其他车辆的训练数据构建的模型来分析汽车的图像)。
在一些实施例中,可以使用对象检测算法来标识对象,对象检测算法例如R-CNN、YOLO、SSD、SIFT、Hog特征或其他机器学习和/或深度学习对象检测算法。对象检测算法的输出可以包括一个或多个相应对象的一个或多个身份以及对应的匹配确定性。例如,可以分析来自自主车辆传感器420或传感器440实体的传感器数据,例如小孩奔跑、成人行走和动物移动。使用相关的对象检测算法,各种实体可以被标识为具有边界、边界框、多边形、线框等的对象。
在一些实施例中,可以使用使用训练数据构建的监督机器学习模型来确定对象的特征。例如,图像可以被输入到监督机器学习模型中,并且在图像中检测到的各种分类可以由该模型输出。例如,诸如对象材料(例如,布、金属、塑料等)的特征、形状、大小、颜色和其他特征可以由监督机器学习模型输出。此外,对象(例如,树、人脸、狗等)的标识可以输出为由监督机器学习模型确定的分类。例如,如果自主车辆410拍摄另一车辆的图像,则监督机器学习算法可以被配置为输出对象(例如,汽车)的身份以及它们的车辆的各种特征(例如,型号、品牌、颜色等)。
在一些实施例中,可以使用摄影测量技术来确定对象的特征。例如,可以使用摄影测量技术来近似对象的形状和尺寸。在一些实施例中,可以通过参考本体来标识对象的特征。例如,如果对象被标识(例如,使用R-CNN),则对象的身份可以在本体中被引用以确定对象的对应的属性。本体可以指示诸如颜色、大小、形状、用途等属性。对象的。本体可以指示对象与一个或多个规定或规则的关系,例如描述速度限制的标志、在儿童存在期间设置条件限制的标志以及同时被标识和分类为儿童的第二对象。
特征可以包括对象的形状、对象的尺寸(例如,高度、长度和宽度)、对象的数量(例如,指示客车的前灯的数量)、对象的颜色和/或对象的其他属性。在一些实施例中,输出可以生成包括对象的身份和/或特征的列表(例如,棉衬衫、金属眼镜、动物的皮毛、人的成年身高等)。在一些实施例中,输出可以包括对象的身份或特征未知的指示。在一些实施例中,可以在知识图(KG)结构中表示各种对象、对象属性以及对象之间的关系(例如,分层和直接关系)。可以基于共享特征(例如,人的脸颊的肤色和人的下巴的肤色、汽车挡风玻璃的反射率、指示街道上的分界线或车道标识的某种颜色的图案或重复信号强度)、与其他对象的关系(例如,眼睛属于面部)、或属于同一类别的对象(例如,两辆车辆当前是移动的车辆,而第三辆车辆是静止的实体),将对象与其他对象进行匹配。
中央服务器460可以通信地耦合到自主车辆410和监管者***430。中央服务器460可以包括路线引导单元462和监管区域单元464。路线引导单元462可被配置为接收、处理和响应来自自主车辆(例如,自主车辆410)的请求。路线引导单元462可被配置为基于地图数据466向自主车辆提供方向、路径、道路、街道和其他信息。路线引导单元462还可以被配置为监控和跟踪监管者的沿着当前操作车辆的路线的位置信息。例如,可以由监管者***430向中央服务器460查询任何被路由到监管者***430的资产附近的车辆的状态。路线引导单元462可以响应于查询,提供自主车辆410的状态(例如,当自主车辆410接近或变得接近监管者***430的资产时)。路线引导单元462可被配置为传送与路线相关的条件允许。例如,条件允许可以指示自主车辆410的一个或多个自主车辆传感器420可能不捕获与位于路线附近的一个或多个资产相关的数据。
监管区域单元464可仅与监管者***和路线引导单元462通信。路线引导单元462可以向监管区域单元464做出请求。监管者***也可以向监管区域单元464发出请求。请求的形式可以是请求确定自主车辆的路线是否要经过监管资产的边界或附近。这些请求可以是对监管区域信息数据库468的更新的形式。监管区域单元464可以管理监管资产信息,并且可以存储和更新监管区域信息数据库468中的资产信息。基于该信息,监管区域单元464可以更新路线引导单元462,并且可以通知路线引导单元462自主车辆是否要在监管资产的路径内通过。
图5描绘了与本公开的一些实施例一致的用于执行TESS的示例方法500。TESS可以由计算机***(例如,计算机100)的处理设备来执行。当从自主车辆请求路线(导航请求)(例如,图2A的自主车辆210)时,TESS可以在510开始。该请求可以由自主车辆发送,并且可以被发送到中央服务器(例如,图4的中央服务器460)。路线请求可以包括自主车辆的车辆信息。车辆信息可以包括以下的一个或多个:自主车辆的当前位置;自主车辆的请求目的地;自主车辆的一个或多个传感器的列表。一个或多个传感器的列表可以包括传感器能力和规范的列表。一个或多个传感器的列表可以包括模式信息。模式信息可包括可由自主车辆处理的替代数据的参数。
在512,可以为自主车辆生成路线。路线可以由中央服务器(例如,图4的中央服务器460)生成。路线的生成可以包括一个或多个路线因素(例如,交通、速度限制、备选方案、天气模式等)。路线的生成可能会受到基于监管者的影响。例如,监管者可以向中央服务器发送建议,并且中央服务器可以在路线生成期间调整路线。路线的生成可以基于查询地图数据库(例如,图4的地图数据466)。
在514,可以为一个或多个监管区域514搜索生成的路线。对监管区域514的搜索可以基于在预定义阈值内的搜索。例如,预定义阈值可以是搜索路线一英里内的监管区域。在另一个示例中,预定义阈值可以是在路线的三分之一英里内搜索监管区域。对监管区域514的搜索可以是对与路线相邻的监管区域的搜索,例如,与监管区域相邻的沿着路线的街道。
如果在516:Y(是)处从搜索中发现监管区域,则在520处可接收车辆信息。车辆信息可由被发现与生成的路线相邻的监管者接收。例如,给定图4,基于确定自主车辆410具有生成的路线,该路线包括接近由监管者***430控制的资产的一部分,监管者***430可以接收车辆信息。接收的车辆信息可以是在510与路线请求一起接收的车辆信息的未改变版本。在一些实施例中,接收的状态可以包括车辆状态的改变版本。例如,包括在车辆信息中的标识个人信息可以在520处被接收之前被中央服务器剥离(strip)。在522,可以确定车辆可控性。该确定可以由监管者(例如,监管者***430)做出。该确定可以通过分析自主车辆的接收的信息来做出。例如,通过分析一个或多个传感器的列表和一个或多个传感器能力的列表。如果在524:N(否)处确定车辆不可控,则在512处可重新生成路线。在512,可以通过将自主车辆改道远离资产附近来重新生成路线。
如果在524:Y(是)处确定车辆是可控的,则在526处可扫描监管者的资产以获得替代数据。对替代数据的扫描可以是对具有足够分辨率的数据的扫描。例如,位于资产上的相机能够以足够的像素分辨率捕获实体。该扫描可以包括确定传感器能够以足够的帧速率来捕获资产周围的实体,以捕获实体的移动或速度。例如,图像处理和检测可以确定资产具有能够以每小时27英里移动的人。在另一个示例中,扫描可以包括检测能够以每小时100英里移动的车辆。基于资产附近的实体的速度能力,监管者可以确定存在具有能够捕获实体的帧速率的传感器。
对替代数据的扫描可以由所有并控制该资产的监管者和该资产的传感器来执行。例如,监管者***430可被配置为观察传感器440并确定替代数据是足够的。对替代数据的扫描可以包括对赋予从自主车辆接收的模式信息的数据的扫描。由于模式信息可以包括数据的格式,所以扫描可以是对符合自主车辆请求/要求的格式的数据的扫描。在一些实施例中,数据可能需要被转换,并且对替代数据的扫描可以包括对处理能力、存储器带宽或可用于执行到自主车辆的本地格式的转换的其他计算资源的扫描。对替代数据的扫描可以包括确定监管者可以提供足够质量的数据,以及确定监管者可以提供遵从自主车辆所需模式的数据。如果在528:N(否)处对于该资产不存在替代数据,则在512处可以重新生成路线。在512,可以通过将自主车辆改道远离资产附近来重新生成路线。如果在528:Y(是)处存在替代数据,则在530处,替代数据可以被格式化和发送。替代数据可以被传输回中央服务器,以传输到自主车辆。替代数据可以直接传输到自主车辆。
在将替代数据传输到车辆之后,可针对额外的监管区域研究再生路线514。如果在516:N(否)处没有发现监管区域,则在518处车辆可以被引导。在518自主车辆的路线选择可以包括授予自主车辆开始自主移动的许可。方法500在518处车辆路线确定后结束。
图6描绘了与本公开的一些实施例一致的用于执行TESS的示例方法600。TESS可以由计算机***(例如,图1的计算机100)的处理设备来执行。方法600可以在方法500之后执行,例如,在自主车辆开始由中央服务器生成的路线之后。
当在610识别监管区域时,方法600开始。该区域可以由自主车辆(例如,图4的自主车辆410)识别。自主车辆可以基于中央服务器(例如,图4的中央服务器460)接收的路线信息来识别该区域。自主车辆的识别可以基于自主车辆的一个或多个传感器。例如,自主车辆可以具有GPS传感器,该GPS传感器被配置为提供引导并对自主车辆进行地理定位。自主车辆也可能已经从中央服务器接收到关于监管区域的纬度和经度的信息。对自主车辆的识别可以基于接收到来自监管者的通知。例如,监管者可以广播信号,通知附近的自主车辆监管者在自主车辆可以通过附近之前请求认证。
在612,自主车辆的信息可被发送给监管者。该信息可以包括以下内容:自主车辆的标识符;自主车辆的设备信息;自主车辆的位置;自主车辆的传感器数据;和可由自主车辆接收的潜在替代数据的模式信息。
在620,可以确认自主车辆在监管者的资产附近的许可。可以基于从自主车辆接收的信息来确认许可。该许可可以由监管者(例如,图4的监管者***430)确认。如果在622:N(否)处监管者没有授予许可,则在624处监管者可以通知自主车辆。该通知可以指示自主车辆禁止在监管者的资产附近通行。基于接收到通知,自主车辆可以在614请求新路线,并且方法600可以结束。
如果在622:Y(是)处监管者确实授予许可,则在626处,监管者可以向自主车辆传送许可的确认。在626的许可确认可以包括基于在612发送的方案信息配置的替代数据的开始。基于接收到许可的确认,在616,自主车辆可以以协调的方式开始操作。协调操作可以包括从监管者接收替代数据。例如,监管者***630可以向自主车辆连续发送替代数据和控制信息。在616处自主车辆开始与监管者协调操作之后,方法600可以结束。
图7描绘了与本公开的一些实施例一致的用于执行TESS的示例方法700。TESS可以由计算机***(例如,图1的计算机100)的处理设备来执行。在执行TESS的一些实施例中,方法700可以通过自主车辆(例如,图2的自主车辆210)和监管者(例如,图4的监管者***430)的组合来执行。方法700可以在方法600之后执行。例如,方法700在自主车辆进入监管区域时开始。进入监管区域可以是进入监管区域的附近。
在712,自主车辆可以将其当前位置和其他遥测信息(例如,速度、高度、俯仰、自主车辆传感器状态)传输到监管者。例如,自主车辆410可以向监管者***430传输位置和遥测信息。在720,监管者可以开始尝试自主车辆的辅助。尝试辅助可以包括扫描接收到的位置信息。尝试辅助可以包括确定自主车辆可以在不使用或限制自主车辆的一个或多个自主车辆传感器的能力的情况下执行自主移动和导航。如果在722:N(否)确定自主车辆不可辅助,则在724,监管者可以请求自主车辆离开监管区域。基于接收到离开监管区域的请求,自主车辆可以调整其路线以尽快离开监管区域。在730,在接收到来自监管者的离开请求之后,自主车辆可以离开监管区域730。
如果在722:Y(是)处自主车辆是可辅助的,则在740处,监管者可以基于替代数据操作来确定自主车辆是否可以运行。该确定可以基于自主车辆是否被配置为从监管者接收替代数据。该确定可以基于自主车辆是否被配置为将替代数据与由自主车辆从一个或多个自主车辆传感器生成的一个或多个自主车辆数据合成。
如果在740:Y(是)处自主车辆能够基于替代数据操作运行,替代数据操作可以在750开始。可以连续执行替代数据操作。例如,可以每秒、每100毫秒、每秒60次等执行替换数据操作。替代数据操作可以包括向自主车辆传输替代数据。替代数据在被传输到自主车辆之前,可以由监管者基于接收到的模式信息进行转换。在一些实施例中,自主车辆可以执行替代数据的转换,以用于自主移动和导航。替代数据操作还可以包括限制自主车辆的自主车辆传感器。例如,监管者可以发送禁用信号、限制信号或另一信号,并且作为响应,自主车辆可以禁用或限制一个或多个自主车辆传感器捕获传感器数据。在730,替代数据操作可以由发送替代数据的监管者和在环境中导航的自主车辆来执行,直到自主车辆离开监管区域。
如果在740:N(否)处自主车辆不能基于替代数据操作运行,则在760处自主车辆基于远程操作穿过监管区域。远程操作760可以包括基于自主车辆卸载传感器数据和遥测信息连续地执行自主车辆导航和移动到监管者或中央服务器。监管者或中央服务器可以执行自动驾驶,而自主车辆可能无法捕获、记录或以其他方式分析自主车辆传感器的传感器数据。在730,可以执行远程操作,直到自主车辆离开监管区域。在730处自主车辆离开该区域之后,方法700可以结束。
本发明可以是任何可能的集成技术细节级别的***、方法和/或计算机程序产品。计算机程序产品可以包括其上具有计算机可读程序指令的(一个或多个)计算机可读存储介质,用于使处理器执行本发明的各方面。
计算机可读存储介质可以是能够保留和存储指令以供指令执行设备使用的有形设备。计算机可读存储介质可以是例如但不限于电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或前述设备的任何合适的组合。计算机可读存储介质的更具体示例的非穷尽列表包括以下:便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式光盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备,诸如穿孔卡或其上记录有指令的凹槽中的凸起结构,以及前述的任何合适的组合。如此处所使用的,计算机可读存储介质不应被解释为本身是瞬时信号,诸如无线电波或其他自由传播的电磁波、通过波导或其他传输介质传播的电磁波(例如,通过光纤电缆的光脉冲)、或通过导线传输的电信号。
本文描述的计算机可读程序指令可以从计算机可读存储介质下载到相应的计算/处理设备,或者通过网络下载到外部计算机或外部存储设备,所述网络例如是因特网、局域网、广域网和/或无线网络。网络可以包括铜传输电缆、光传输光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配器卡或网络接口从网络接收计算机可读程序指令,并转发计算机可读程序指令以存储在相应计算/处理设备内的计算机可读存储介质中。
用于执行本发明的操作的计算机可读程序指令可以是汇编指令、指令集体系结构(ISA)指令、机器指令、机器相关指令、微码、固件指令、状态设置数据、集成电路的配置数据,或者是以一种或多种编程语言的任意组合编写的源代码或目标代码,包括诸如Smalltalk、C++等面向对象的编程语言,以及诸如“C”编程语言或类似编程语言的过程编程语言。计算机可读程序指令可以完全在用户计算机上执行,部分在用户计算机上执行,作为独立软件包,部分在用户计算机上执行,部分在远程计算机上执行,或者完全在远程计算机或服务器上执行。在后一种情况下,远程计算机可以通过任何类型的网络连接到用户的计算机,包括局域网(LAN)或广域网(WAN),或者可以连接到外部计算机(例如,通过使用互联网服务提供商的互联网)。在一些实施例中,包括例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)的电子电路可以通过利用计算机可读程序指令的状态信息来执行计算机可读程序指令,以个性化电子电路,从而执行本发明的方面。
本文参考根据本发明实施例的方法、装置(***)和计算机程序产品的流程图和/或框图来描述本发明的各个方面。将会理解,流程图和/或框图的每个块以及流程图和/或框图中的块的组合可以由计算机可读程序指令来实现。
这些计算机可读程序指令可以被提供给计算机或其他可编程数据处理装置的处理器以产生机器,使得经由计算机或其他可编程数据处理装置的处理器执行的指令创建用于实现流程图和/或框图的一个或多个框中指定的功能/动作的装置。这些计算机可读程序指令也可以存储在计算机可读存储介质中,该计算机可读存储介质可以指导计算机、可编程数据处理装置和/或其他设备以特定方式运行,使得其中存储有指令的计算机可读存储介质包括制造品,该制造品包括实现流程图和/或框图的一个或多个框中指定的功能/动作的各方面的指令。
计算机可读程序指令还可以被加载到计算机、其他可编程数据处理装置或其他设备上,以使一系列操作步骤在计算机、其他可编程装置或其他设备上执行,从而产生计算机实现的过程,使得在计算机、其他可编程装置或其他设备上执行的指令实现流程图和/或框图的一个或多个框中指定的功能/动作。
附图中的流程图和框图说明了根据本发明各种实施例的***、方法和计算机程序产品的可能实现的架构、功能和操作。在这点上,流程图或框图中的每个块可以表示指令的模块、片段或部分,其包括用于实现指定逻辑功能的一个或多个可执行指令。在一些替代实施方式中,框中标注的功能可以不按照图中标注的顺序发生。例如,连续示出的两个框实际上可以作为一个步骤完成,以部分或全部时间重叠的方式同时、基本上同时执行,或者这些框有时可以以相反的顺序执行,这取决于所涉及的功能。还将注意到,框图和/或流程图图示中的每个框以及框图和/或流程图图示中的框的组合可以由基于专用硬件的***来实现,该***执行指定的功能或动作或者执行专用硬件和计算机指令的组合。
为了说明的目的,已经给出了本公开的各种实施例的描述,但是这些描述并不旨在穷举或者限制于所公开的实施例。在不脱离所描述的实施例的范围的情况下,许多修改和变化对于本领域普通技术人员来说是显而易见的。本文使用的术语被选择来解释实施例的原理、实际应用或对市场上发现的技术的技术改进,或者使本领域的其他普通技术人员能够理解本文公开的实施例。
为了说明的目的,已经给出了本公开的各种实施例的描述,但是这些描述并不旨在穷举或者限制于所公开的实施例。在不脱离所描述的实施例的范围的情况下,许多修改和变化对于本领域普通技术人员来说是显而易见的。本文使用的术语被选择来解释实施例的原理、实际应用或对市场上发现的技术的技术改进,或者使本领域的其他普通技术人员能够理解本文公开的实施例。
Claims (20)
1.一种方法,包括:
检测导航请求,所述导航请求包括自主车辆从起始位置的目的地;
基于所述导航请求,标识从所述起始位置到所述目的地的路线;
基于所述导航请求,执行与所述路线相关的监管者查找,所述监管者查找与一个或多个监管者的隐私数据的所有者相关;
响应于所述监管者查找,接收与所述路线相关的条件允许,所述条件允许指示所述自主车辆的一个或多个自主车辆传感器可能不捕获与第一监管者的第一资产相关的数据,所述第一资产位于所述路线附近;以及
响应于所述条件允许,限制所述自主车辆的一个或多个自主车辆传感器,其中所述限制包括限制所述一个或多个自主车辆传感器对所述第一资产的捕获。
2.根据权利要求1所述的方法,还包括:
基于从所述一个或多个自主车辆传感器接收的自主移动数据来控制所述路线上的自主移动;
在所述自主移动期间,检测对所述第一监管者的第一资产的接近;和
响应于检测到所述接近,擦除所述一个或多个自主车辆传感器的相机的视频信号的部分;
生成对所述第一监管者的第一资产的接近的替代数据;以及
用所述替代数据替换对应于所述相机的自主移动数据的部分。
3.根据权利要求2所述的方法,其中,所述视频信号的部分是所述视频信号的整个图像。
4.根据权利要求2所述的方法,其中,生成所述替代数据的步骤包括:
请求由所述第一监管者所有和控制的第一资产相机生成的移动对象数据。
5.根据权利要求4所述的方法,其中,所述移动对象数据选自包括行走或奔跑的人、穿过车辆路径的动物、另一辆自主车辆驾驶、另一辆自主车辆飞行、街道标志和车道引导的组。
6.根据权利要求1所述的方法,还包括:
接收第二条件允许,所述第二条件允许指示所述自主车辆的一个或多个传感器可能不捕获与第二监管者的第二资产相关的数据,所述第二资产位于所述路线附近;
基于从所述一个或多个传感器接收的自主移动数据来控制所述路线上的自主移动;
在所述自主移动期间,检测对所述第二监管者的第二资产的接近;和
响应于检测到所述接近,禁用所述一个或多个传感器中的第一雷达传感器;
生成对所述第二监管者的第二资产的接近的替代数据;以及
用所述替代数据替换对应于所述第一雷达传感器的自主移动数据的部分。
7.根据权利要求6所述的方法,其中,生成所述替代数据的步骤包括:
请求从第二自主车辆的第二雷达传感器生成的移动对象数据,所述第二自主车辆由所述第二监管者所有和控制。
8.根据权利要求1所述的方法,其中,所述监管者查找包括查询所述路线是否接近任何监管区域,并且其中所述条件允许指示多个监管区域接近所述路线。
9.根据权利要求1所述的方法,其中,所述一个或多个监管者的隐私数据的所有者是中央服务器。
10.根据权利要求1所述的方法,其中,所述第一监管者的隐私数据的所有者是所述第一监管者,并且其中执行所述监管者查找包括:
从中央服务器接收响应,所述响应指示所述第一监管者与所述条件允许相关;以及
基于所述响应,向所述第一监管机构提示所述条件允许。
11.一种***,所述***包括:
存储器,所述存储器包含一个或多个指令;以及
处理器,所述处理器通信地耦合到所述存储器,响应于读取所述一个或多个指令,所述处理器被配置为:
检测导航请求,所述导航请求包括自主车辆从起始位置的目的地;
基于所述导航请求,标识从所述起始位置到所述目的地的路线;
基于所述导航请求,执行与所述路线相关的监管者查找,所述监管者查找与一个或多个监管者的隐私数据的所有者相关;
响应于所述监管者查找,接收与所述路线相关的条件允许,所述条件允许指示所述自主车辆的一个或多个自主车辆传感器可能不捕获与第一监管者的第一资产相关的数据,所述第一资产位于所述路线附近;和
响应于所述条件允许,限制所述自主车辆的一个或多个自主车辆传感器,其中限制所述一个或多个自主车辆传感器包括限制所述一个或多个自主车辆传感器对所述第一资产的捕获。
12.根据权利要求11所述的***,其中,所述处理器还被配置为:
基于从所述一个或多个自主车辆传感器接收的自主移动数据在所述路线上执行自主移动;
在所述自主移动期间,检测对所述第一监管者的第一资产的接近;和
响应于检测到所述接近,擦除所述一个或多个自主车辆传感器的相机的视频信号的部分;
生成对所述第一监管者的第一资产的接近的替代数据;和
用所述替代数据替换对应于所述相机的自主移动数据的部分。
13.根据权利要求12所述的***,其中,所述视频信号的部分是所述视频信号的整个图像。
14.根据权利要求12所述的***,其中生成所述替代数据包括:
请求由所述第一监管者所有和控制的资产相机生成的移动对象数据。
15.根据权利要求14所述的***,其中,所述移动对象数据选自包括行走的人、在人行道上奔跑的孩子、横穿马路的动物、另一辆自主车辆驾驶、另一辆自主车辆飞行、街道标志和车道引导的组。
16.一种计算机程序产品,所述计算机程序产品包括:
一个或多个计算机可读存储介质;以及
共同存储在所述一个或多个计算机可读存储介质上的程序指令,所述程序指令被配置为:
检测导航请求,所述导航请求包括自主车辆从起始位置的目的地;
基于所述导航请求,标识从所述起始位置到所述目的地的路线;
基于所述导航请求,执行与所述路线相关的监管者查找,所述监管者查找与一个或多个监管者的隐私数据的所有者相关;
响应于所述监管者查找,接收与所述路线相关的条件允许,所述条件允许指示所述自主车辆的一个或多个自主车辆传感器可能不捕获与第一监管者的第一资产相关的数据,所述第一资产位于所述路线附近;
响应于所述条件允许,限制所述自主车辆的一个或多个自主车辆传感器,其中限制所述一个或多个自主车辆传感器包括限制所述一个或多个自主车辆传感器对所述第一资产的捕获。
17.根据权利要求16所述的计算机程序产品,其中,所述监管者查找包括查询所述路线是否接近任何监管区域,并且其中所述条件允许指示多个监管区域接近所述路线。
18.根据权利要求16所述的计算机程序产品,其中,所述程序指令还被配置为:
接收第二条件允许,所述第二条件允许指示所述自主车辆的一个或多个传感器可能不捕获与第二监管者的第二资产相关的数据,所述第二资产位于所述路线附近;
基于从所述一个或多个传感器接收的自主移动数据在所述路线上执行自主移动;
在所述自主移动期间,检测对所述第二监管者的第二资产的接近;和
响应于检测到所述接近,禁用所述一个或多个传感器中的第一雷达传感器;
生成对所述第二监管者的第二资产的接近的替代数据;和
用所述替代数据替换对应于所述第一雷达传感器的自主移动数据的部分。
19.根据权利要求18所述的计算机程序产品,其中,生成所述替代数据包括:
请求从第二自主车辆的第二雷达传感器生成的移动对象数据,所述第二自主车辆由所述第二监管者所有和控制。
20.根据权利要求16所述的计算机程序产品,其中,所述一个或多个监管者的隐私数据的所有者是中央服务器。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/079,434 US11725950B2 (en) | 2020-10-24 | 2020-10-24 | Substitute autonomous vehicle data |
US17/079,434 | 2020-10-24 | ||
PCT/CN2021/113460 WO2022083259A1 (en) | 2020-10-24 | 2021-08-19 | Substitute autonomous vehicle data |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116420058A true CN116420058A (zh) | 2023-07-11 |
Family
ID=81258418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180071043.7A Pending CN116420058A (zh) | 2020-10-24 | 2021-08-19 | 替代自主车辆数据 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11725950B2 (zh) |
JP (1) | JP2023545803A (zh) |
CN (1) | CN116420058A (zh) |
DE (1) | DE112021005624T5 (zh) |
GB (1) | GB2614664B (zh) |
WO (1) | WO2022083259A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113342038A (zh) * | 2016-02-29 | 2021-09-03 | 星克跃尔株式会社 | 为无人飞行器的飞行生成地图的方法和*** |
EP3559601B1 (en) * | 2016-12-22 | 2024-06-12 | Nissan North America, Inc. | Autonomous vehicle service system |
US11153010B2 (en) * | 2019-07-02 | 2021-10-19 | Waymo Llc | Lidar based communication |
US20240143830A1 (en) * | 2022-10-28 | 2024-05-02 | Blackberry Limited | Access restriction of vehicle-associated information |
KR20240067388A (ko) * | 2022-11-09 | 2024-05-17 | 인포뱅크 주식회사 | 자율주행 레미콘 차량의 운행 관제 방법 및 그를 수행하는 서버 |
WO2024098393A1 (zh) * | 2022-11-11 | 2024-05-16 | 华为技术有限公司 | 一种控制方法、装置、车辆、电子设备及存储介质 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2411229B (en) * | 2003-07-22 | 2006-04-12 | Hitachi Int Electric Inc | Object tracking method and object tracing apparatus |
WO2005050849A2 (en) * | 2003-10-01 | 2005-06-02 | Laird Mark D | Wireless virtual campus escort system |
WO2015102731A2 (en) | 2013-10-18 | 2015-07-09 | Aerovironment, Inc. | Privacy shield for unmanned aerial systems |
US9384402B1 (en) | 2014-04-10 | 2016-07-05 | Google Inc. | Image and video compression for remote vehicle assistance |
US9986378B2 (en) | 2014-07-29 | 2018-05-29 | GeoFrenzy, Inc. | Systems and methods for defining and implementing rules for three dimensional geofences |
US9601022B2 (en) | 2015-01-29 | 2017-03-21 | Qualcomm Incorporated | Systems and methods for restricting drone airspace access |
WO2016154551A1 (en) * | 2015-03-26 | 2016-09-29 | Matternet, Inc. | Route planning for unmanned aerial vehicles |
GB201514460D0 (en) * | 2015-08-13 | 2015-09-30 | Bae Systems Plc | Apparatus and method for communications management |
US10083584B2 (en) * | 2015-12-30 | 2018-09-25 | Honeywell International Inc. | Video surveillance system with selectable operating scenarios and system training for improved situational awareness |
WO2017139282A1 (en) | 2016-02-08 | 2017-08-17 | Unmanned Innovation Inc. | Unmanned aerial vehicle privacy controls |
WO2018020673A1 (ja) * | 2016-07-29 | 2018-02-01 | 株式会社ソニー・インタラクティブエンタテインメント | 画像管理システムおよび無人飛行体 |
WO2018132608A2 (en) * | 2017-01-12 | 2018-07-19 | Mobileye Vision Technologies Ltd. | Navigation based on occlusion zones |
JP6838211B2 (ja) | 2017-07-31 | 2021-03-03 | 日立Astemo株式会社 | 自律運転制御装置、自律移動車及び自律移動車制御システム |
US10690504B2 (en) | 2018-03-20 | 2020-06-23 | Micron Technology, Inc. | Re-routing autonomous vehicles using dynamic routing and memory management for border security purposes |
CN111337038A (zh) | 2018-12-18 | 2020-06-26 | 美的集团股份有限公司 | 导航方法、导航***、车辆和导航终端 |
CN111309005A (zh) | 2019-12-24 | 2020-06-19 | 广东天创同工大数据应用有限公司 | 一种基于无人驾驶车辆的动态路线规划方法 |
CN111426326B (zh) | 2020-01-17 | 2022-03-08 | 深圳市镭神智能***有限公司 | 一种导航方法、装置、设备、***及存储介质 |
-
2020
- 2020-10-24 US US17/079,434 patent/US11725950B2/en active Active
-
2021
- 2021-08-19 DE DE112021005624.7T patent/DE112021005624T5/de active Pending
- 2021-08-19 JP JP2023522440A patent/JP2023545803A/ja active Pending
- 2021-08-19 GB GB2305663.3A patent/GB2614664B/en active Active
- 2021-08-19 WO PCT/CN2021/113460 patent/WO2022083259A1/en active Application Filing
- 2021-08-19 CN CN202180071043.7A patent/CN116420058A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US11725950B2 (en) | 2023-08-15 |
GB2614664A (en) | 2023-07-12 |
US20220128367A1 (en) | 2022-04-28 |
DE112021005624T5 (de) | 2023-08-31 |
JP2023545803A (ja) | 2023-10-31 |
GB202305663D0 (en) | 2023-05-31 |
GB2614664B (en) | 2023-11-01 |
WO2022083259A1 (en) | 2022-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11714413B2 (en) | Planning autonomous motion | |
CN116420058A (zh) | 替代自主车辆数据 | |
CN110175498B (zh) | 向导航度量地图提供富信息的地图语义 | |
CN111874006B (zh) | 路线规划处理方法和装置 | |
US10223910B2 (en) | Method and apparatus for collecting traffic information from big data of outside image of vehicle | |
CN111708358A (zh) | 紧急情况下运载工具的操作 | |
KR20210070273A (ko) | 도로 세그먼트 유사성 결정 | |
US11604075B2 (en) | Systems and methods for deriving planned paths for vehicles using path priors | |
US11267464B2 (en) | System and method to distinguish between moving and static objects | |
EP4020427A1 (en) | Transportation environment data service | |
KR20220052846A (ko) | Lidar를 사용한 대상체 식별 | |
KR20230004212A (ko) | 대상체 검출을 위한 교차 모달리티 능동 학습 | |
CN116457800A (zh) | 用于自动驾驶车辆中的地图变化检测的架构 | |
DE112021006402T5 (de) | Schätzung von Automatikbelichtungswerten einer Kamera durch Priorisieren eines Objekts von Interesse auf Basis von kontextuellen Eingaben aus 3D-Karten | |
US20220303738A1 (en) | On-board machine vision device for activating vehicular messages from traffic signs | |
US11287816B2 (en) | Navigational constraints for autonomous vehicles | |
CN117953675A (zh) | 人工智能交通分析的点对点车辆提供 | |
EP3454269A1 (en) | Planning autonomous motion | |
CN114729810A (zh) | 人行横道检测 | |
US11663514B1 (en) | Multimodal input processing system | |
US20240028035A1 (en) | Planning autonomous motion | |
US20240200975A1 (en) | System and method for detecting active road work zones | |
US20210370971A1 (en) | Automated routing graph modification management | |
Kavitha et al. | Obstacle avoidance and ranging using lidar | |
CN118261207A (zh) | 利用神经网络集成的目标性数据生成 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |